大数据催生决策新模式 未来将改变更多

本文涉及的产品
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
简介:

“数据多跑路、群众少跑腿”,如今,对大数据的应用已经开始切实影响到百姓的日常生活。李彦宏:数据本身不会产生很大的价值,只有共享出来跟各个行业比如教育、医疗、金融等相结合才能产生价值。

“数据多跑路、群众少跑腿”,如今,对大数据的应用已经开始切实影响到百姓的日常生活。经过近几年的发展,大数据俨然成为了一大产业,基于数据收集与分析所形成的决策模式也正在被更多的市场主体所采用。未来,大数据还将改变更多。

大数据不完全等同于“数据”

数据显示,互联网上的数据每年增长50%,每两年便将翻一番,而目前世界上90%以上的数据是最近几年才产生的。据IDC预测,到2020年全球将总共拥有35ZB的数据量。

作为近两年兴起的热词,很多人将大数据的“数据”简单地理解为互联网数据。诚然,随着互联网技术和应用的日益成熟,网络数据日益庞杂,但事实上,无论是线上还是线下、虚拟还是实体,一直都存在着大量的数据。而大数据要做的则是将这些曾经“深藏闺中”的数据挖掘出来,利用起来。

2015年9月,国务院发布《关于印发促进大数据发展行动纲要的通知》。《通知》中将大数据描述为:大数据是以容量大、类型多、存取速度快、应用价值高为主要特征的数据集合,正快速发展为对数量巨大、来源分散、格式多样的数据进行采集、存储和关联分析,从中发现新知识、创造新价值、提升新能力的新一代信息技术和服务业态。

牛津大学教授维克托·迈尔·舍恩伯格在其著作《大数据时代》中说:“大数据是人们获得新的认知、创造新的价值的源泉,还是改变市场、组织机构,以及政府与公民关系的方法。”

根据以上两种表述,可以看出,大数据应被简单地等同于一种数据,而是基于数据集合与分析所产生的一种新兴业态,对传统行业来说,大数据更是一种工具。可以说,只有通过对大数据资源的开发,互联网的价值才能得到充分挖掘,“互联网+”也才能真正水到渠成。

大数据形成决策新模式

大数据的应用离不开对数据的分析,也就是大数据技术。关于什么是大数据技术,业界并无标准答案,但一般而言,可以将它理解为对海量数据的计算和加工,其核心作用之一是预测。

谷歌利用人们的搜索记录挖掘数据二次利用价值,比如预测某地流感爆发的趋势;亚马逊利用用户的购买和浏览历史数据进行有针对性的书籍购买推荐,以此有效提升销售量;Farecast利用过去十年所有的航线机票价格打折数据,来帮助用户判断购买机票的时机是否合适。

最早提出大数据时代到来的麦肯锡说道:“数据,已经渗透到当今每一个行业和业务职能领域,成为重要的生产因素。人们对于海量数据的挖掘和运用,预示着新一波生产率增长和消费者盈余浪潮的到来。”显然,基于大数据形成决策的模式可以并已经为不少企业带来了盈利。

大数据产业涉及数据源、场景化应用、可视化展示以及数据安全等多个方面。基于这几大领域,国内也诞生了大量的专业化大数据公司。公开数据显示,仅2016年上半年就有22起大数据相关的融资事件,行业势头甚好。除此之外,像BAT这样的互联网公司,也都在充分挖掘平台集聚的大量数据,孵化新业务。

未来生活离不开大数据

事实上,数据能力也正在成为一种国家竞争力。美国、英国、日本等国相继推出大数据战略,以提升政府效能。在我国,十八届五中全会提出要实施网络强国战略,实施“互联网+”行动计划,发展分享经济,实施国家大数据战略。去年9月,国务院常务会议通过了,强调开发应用好大数据这一基础性战略资源,推动公共数据资源开放共享,将大数据打造成新常态下经济提质增效升级的新动能。

作为一种“基础性战略资源”,大数据用途广泛、前景巨大。抑或说,大数据不只是一个产业这么简单,它在社会的各个领域中都无所不在,可以与很多产业“相加”。

《关于促进大数据发展的行动纲要》明确指出,要立足我国国情和现实需要,推动大数据发展和应用在未来5—10年逐步实现以下目标:打造精准治理、多方协作的社会治理新模式;建立运行平稳、安全高效的经济运行新机制;构建以人为本、惠及全民的民生服务新体系;开启大众创业、万众创新的创新驱动新格局;培育高端智能、新兴繁荣的产业发展新生态。

可以预见,大数据不仅将创造下一代互联网生态和创新体系,还将重新塑造下一代制造业形态以及社会治理结构。关于“大数据将改变什么”很难用一句话概括,但至少有一点可以肯定,我们未来的生活,必定离不开大数据。

知识链接:关于大数据,IT大佬说过什么

马云:人类正从“IT”(信息技术时代)时代进入到“DT”(数据技术时代)时代,数据正成为最核心的资源,甚至在未来,数据可能会成为像水、电、石油一样的公共资源。

李彦宏:数据本身不会产生很大的价值,只有共享出来跟各个行业比如教育、医疗、金融等相结合才能产生价值。

雷军:探索数据的价值、挖掘大数据的商业模式是全行业当务之急。

周鸿祎:真正的大数据时代才刚刚开始。大数据时代带来一个非常重要挑战,就是安全的挑战。

本文转自d1net(转载)

相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
2月前
|
分布式计算 Kubernetes Hadoop
大数据-82 Spark 集群模式启动、集群架构、集群管理器 Spark的HelloWorld + Hadoop + HDFS
大数据-82 Spark 集群模式启动、集群架构、集群管理器 Spark的HelloWorld + Hadoop + HDFS
167 6
|
2月前
|
分布式计算 资源调度 Hadoop
大数据-80 Spark 简要概述 系统架构 部署模式 与Hadoop MapReduce对比
大数据-80 Spark 简要概述 系统架构 部署模式 与Hadoop MapReduce对比
68 2
|
2月前
|
消息中间件 监控 数据可视化
大数据-79 Kafka 集群模式 集群监控方案 JavaAPI获取集群指标 可视化监控集群方案: jconsole、Kafka Eagle
大数据-79 Kafka 集群模式 集群监控方案 JavaAPI获取集群指标 可视化监控集群方案: jconsole、Kafka Eagle
57 2
|
2月前
|
存储 数据采集 监控
大数据技术:开启智能决策与创新服务的新纪元
【10月更文挑战第5天】大数据技术:开启智能决策与创新服务的新纪元
|
2月前
|
分布式计算 资源调度 大数据
大数据-110 Flink 安装部署 下载解压配置 Standalone模式启动 打包依赖(一)
大数据-110 Flink 安装部署 下载解压配置 Standalone模式启动 打包依赖(一)
60 0
|
2月前
|
分布式计算 资源调度 大数据
大数据-110 Flink 安装部署 下载解压配置 Standalone模式启动 打包依赖(二)
大数据-110 Flink 安装部署 下载解压配置 Standalone模式启动 打包依赖(二)
75 0
|
26天前
|
消息中间件 分布式计算 大数据
数据为王:大数据处理与分析技术在企业决策中的力量
【10月更文挑战第29天】在信息爆炸的时代,大数据处理与分析技术为企业提供了前所未有的洞察力和决策支持。本文探讨了大数据技术在企业决策中的重要性和实际应用,包括数据的力量、实时分析、数据驱动的决策以及数据安全与隐私保护。通过这些技术,企业能够从海量数据中提取有价值的信息,预测市场趋势,优化业务流程,从而在竞争中占据优势。
74 2
|
29天前
|
SQL 存储 算法
基于对象 - 事件模式的数据计算问题
基于对象-事件模式的数据计算是商业中最常见的数据分析任务之一。对象如用户、账号、商品等,通过唯一ID记录其相关事件,如操作日志、交易记录等。这种模式下的统计任务包括无序计算(如交易次数、通话时长)和有序计算(如漏斗分析、连续交易检测)。尽管SQL在处理无序计算时表现尚可,但在有序计算中却显得力不从心,主要原因是其对跨行记录运算的支持较弱,且大表JOIN和大结果集GROUP BY的性能较差。相比之下,SPL语言通过强化离散性和有序集合的支持,能够高效地处理这类计算任务,避免了大表JOIN和复杂的GROUP BY操作,从而显著提升了计算效率。
|
2月前
|
存储 分布式计算 druid
大数据-152 Apache Druid 集群模式 配置启动【下篇】 超详细!(一)
大数据-152 Apache Druid 集群模式 配置启动【下篇】 超详细!(一)
40 1
大数据-152 Apache Druid 集群模式 配置启动【下篇】 超详细!(一)
|
2月前
|
SQL 存储 算法
基于对象 - 事件模式的数据计算问题
基于对象-事件模式的数据计算是商业中最常见的数据分析任务之一。这种模式涉及对象(如用户、账户、商品等)及其相关的事件记录,通过这些事件数据可以进行各种统计分析,如漏斗分析、交易次数统计等。然而,SQL 在处理这类任务时表现不佳,特别是在有序计算方面。SPL 作为一种强化离散性和有序集合的语言,能够高效地处理这类计算,避免了大表 JOIN 和大结果集 GROUP BY 的性能瓶颈。通过按 ID 排序和分步计算,SPL 能够显著提高计算效率,并支持实时数据处理。